背景

隨著AI 技術(shù)的引入，機器人對世界的認(rèn)知越來越深刻，上一講中介紹了Movidius NCS物體識別開發(fā)包，而實際生活中，對物體的認(rèn)知遠遠超出“這是什么”，還需要回答“這個物體離我有多遠”， “這是前面看到的那個物體么”，等等。在物體識別的基礎(chǔ)上，本文將向您介紹對物體進行進一步分析的ROS開發(fā)包的功能及其使用方法，您可以利用它進一步開發(fā)機器人的智能應(yīng)用，比如智能蔽障，構(gòu)建語義地圖等。ROS物體識別項目就是為了解決這個問題而出現(xiàn)的。

項目介紹

1. 軟件架構(gòu)設(shè)計

本項目主體由三個ROS發(fā)布節(jié)點組成，以提供不同方面的分析結(jié)果。物體檢測節(jié)點（Object Detection Node）提供被檢測物體的類型和在視覺框圖中的2D位置， 物體跟蹤節(jié)點（Object Tracking Node）提供物體ID來表征當(dāng)前檢測到的物體是不是持續(xù)被跟蹤的同一物體，物體3D定位節(jié)點（Object 3D Localization Node）提供物體在3D空間中的位置信息。下面這張圖展示了物體分析模塊和其他相關(guān)的視覺采集節(jié)點（RealSense Node）以及物體檢測后端節(jié)點的關(guān)系。

圖1. ROS 物體識別架構(gòu)

2. 運行條件

· 運行Ubuntu16.04的x86_64計算機

· ROS Kinetic

· 可深度學(xué)習(xí)進行物體識別的ROS節(jié)點 （二選一）

o Intel Movidius 神經(jīng)計算棒節(jié)點

o 基于OpenCl Caffe的物體識別節(jié)點

· RGBD相機

具體環(huán)境配置可以參考這里。

3. 編譯與安裝

下載源碼到本地ROS工作區(qū)，切換到最新發(fā)布，編譯、安裝。

4. 運行演示程序

在rviz 中看到的物體識別，跟蹤和定位信息如下：

圖2. 演示截屏

應(yīng)用領(lǐng)域

本項目提供的物體檢測，跟蹤和定位的能力，可以運用于多種機器人使用場景，例如：

1. 3D物體識別與追蹤

基于物體在三維空間中的位置，從而對物體進行3D識別與跟蹤。

2. 機器人智能避障

傳統(tǒng)的機器人采用雷達來檢測障礙物，而在高速情況下，對雷達的檢測距離和精度要求非常高，高精度的雷達價格動輒上萬，基于3D攝像頭的方案成本將大大降低。基于物體識別的避障，還能通過指定不同的策略來應(yīng)對不斷變化的場景，使機器人避障更加智能。

3. 基于語義的同步定位與建圖(SLAM)

通過將識別出的物體及位置信息，標(biāo)注在SLAM得到的地圖上，可以極好地提高地圖的可讀性和人機交互的便利性。

展望

本項目目前開發(fā)到v0.3.0版本，我們將持續(xù)優(yōu)化計算方案，以達到更好的性能，滿足應(yīng)用中實時性的要求。另一方面，由于ROS2相對ROS具有更好的安全性和實時性，我們計劃移植項目到ROS2中。

Intel開源軟件技術(shù)中心（Open Source Technology Center）將不斷推出更多的基于ROS/ROS2開發(fā)的新技術(shù)，除了介紹過的Movidius神經(jīng)計算棒，本章介紹的物體識別、跟蹤、定位技術(shù)，還將陸續(xù)推出帶有物體信息的語義地圖，移動物體檢測及避障，Intel 3D RealSense 攝像頭的應(yīng)用，以及ROS到ROS2 的演進，ROS2 的實時及安全性等課題。希望我們在這一領(lǐng)域的工作能給您的項目帶來更大的可能性，也希望能得到大家的反饋與建議，甚至發(fā)揚開源精神協(xié)同開發(fā)，使我們能更好地服務(wù)于開源社區(qū)，推動人工智能技術(shù)的發(fā)展和應(yīng)用。